OCR 读对了字，为什么地址仍然错？

从信封照片提取收件人和地址时，同一张图上往往还有寄件人、公司名称、页脚和打印标记。OCR 可能每个字都读对，最终填进表单的却是寄件地址。

因此这个问题不能只看识字准确率。还要判断文字来自哪个区域，以及整理后的字段是否满足业务要求。

一段纯文字，为什么不够用？

把所有 OCR 文本拼成一段交给模型，位置关系就弱了。人看到的是信封上的两个区域，模型收到的可能只是一串名字与地址，难以分清归属。

可选办法包括按版式写规则、让模型结合位置整理字段，或让两者配合。项目要求 OCR 同时返回每块文字的包围盒，用位置寻找信封地址窗口，再整理姓名和地址行。

这里的包围盒就是文字在图片中的范围。如果先裁切、缩放或旋转了图片，坐标也要一起转换，否则窗口和文字落在不同坐标系，比较出来的位置没有意义。

项目先尝试 AI 提取。没有启用 AI、调用条件不足、响应解析失败或调用抛错时，得到的是“没有结果”，随后走规则识别，并在输出中记录使用了哪条路径。

但“没有结果”和“结果里的类型未知”不同。模型返回能整理成字典的数据，即使字段不全、类型是 UNKNOWN，也可能直接进入 AI 结果分支，并不会自动回退。

如果业务要求缺地址就必须转人工或重新识别，就要另设完整度判断。接口处理成功，只表示这次处理结束了，不能代替字段正确性或可提交性的判断。

项目会归一化类型枚举、窗口坐标、收件人和地址行。输入不是字典时拒绝；非法类型归为 UNKNOWN，收件人再结合 OCR 文字和窗口位置清理。

类型未知时，规则会尝试补分类，并保留命中的规则。模型已经给出已知类型时，当前流程不会再用规则逐项否决。规则在这里是有限补充，不是对全部 AI 输出做第二轮审定。

规则本身也会误认。缩写可能嵌在公司名里，组合分类可能缺少必要连接词。已有负例用 trading、CTR 等相似文本与不完整组合检查误判；拿不准时保留 UNKNOWN，比为了命中而放宽匹配更容易核对。

未知、失败和没有输入应分别记录。前端显示未知分类时，也应保留待确认状态，不能把它展示成已确认结果。

已有固定输入用例覆盖分类负例、归一化和识别路径切换，真实图片准确率仍需人工标注样本，按版式、拍摄质量和字段分别统计。

项目可以按选项返回识别来源、模型置信分、解释、规则编号和原始 OCR 数据。回查时，更有用的问题是：用了哪几块文字，文字在窗口的什么位置，哪条规则改过类型。

模型给出的 0.95 没有校准成真实正确率，不能直接解释为字段有 95% 概率正确；模型生成的解释也仍要与原始输入对照。是否直接提交或只填入待确认表单，应由业务对完整度的要求决定。

当前 AI 异常都归成无结果，进一步区分超时、格式错误与调用条件不足，有助于知道为何回退。日志可以记录原因和耗时，避免把密钥及整段姓名地址长期保存下来。